Kurz gesagt
Eine Methode, die jede Aufgabe in einem Unternehmen bewertet, nicht jeden Beruf, und zwar auf vier getrennten Skalen: Kann KI sie erledigen, kann dieses Unternehmen das einsetzen, kann KI der Person helfen, und wie stark hängt die Aufgabe von einem Menschen ab.
Für die Person, die die Diagnose durchführt: eine Leitung aus Personal oder Betrieb, ein internes Projektteam oder eine externe Beratung.
Was es misst
TPAH betrachtet eine Rolle in einem bestimmten Unternehmen und zerlegt sie in Aufgaben. Jede Aufgabe erhält vier Werte von 0 bis 10:
- T, technische Machbarkeit. Könnte KI die Aufgabe erledigen, wenn die Eingaben klar sind und das erwartete Ergebnis klar ist?
- P, praktische Einsatzreife. Könnte diese Organisation das einführen und dauerhaft betreiben? Das hängt von ihren Daten, Prozessen und Qualitätskontrollen ab und davon, was ein Fehler kostet.
- A, Unterstützung des Menschen. Wie sehr könnte KI der Person helfen, die die Aufgabe erledigt, ohne sie ihr abzunehmen?
- H, Abhängigkeit vom Menschen. Wie stark beruht die Aufgabe auf Urteilsvermögen, Beziehungen, Verantwortung, körperlicher Anwesenheit und Wissen, das sich schwer aufschreiben lässt?
Die vier Werte werden nie zu einer Zahl zusammengefasst. Jeder beantwortet eine andere Frage, und die nützlichen Aussagen ergeben sich aus den Kombinationen:
- Hohes T und niedriges P: Die Technik könnte es, aber die Organisation ist nicht bereit.
- Hohes A und hohes H: KI ist ein starker Assistent für eine Fachkraft, kein Ersatz.
- Hohes T und niedriges H: ein Kandidat für die Automatisierung, wenn der Einsatz es zulässt.
Die Methode listet auch die neue Arbeit auf, die KI mit sich bringt, etwa Ergebnisse prüfen und Aufzeichnungen führen, und sagt, wer dafür verantwortlich sein müsste.
Wie Sie es nutzen
- Behandeln Sie das Ergebnis als Auswahlliste für Pilotprojekte, nicht als Entscheidung.
- Lassen Sie die verantwortliche Person jedes Prozesses die Werte der Aufgaben prüfen, die Sie ändern wollen.
- Beginnen Sie mit wenigen Aufgaben, die bei P hoch liegen und deren Ergebnis sich leicht prüfen lässt.
- Bauen Sie Assistenten für Fachkräfte dort, wo A und H beide hoch sind.
- Legen Sie fest, wer für die neue Prüfarbeit und die Pflege der Werkzeuge verantwortlich ist, bevor Sie breiter einführen.
- Messen Sie Zeit und Qualität gegen eine Ausgangsmessung. Siehe Messen Sie die eingesparte Zeit pro Aufgabe gegen eine Ausgangsmessung.
Das durchgerechnete Beispiel zeigt diese Schritte an einem erfundenen Unternehmen.
Was es nicht misst
- Ergebnisse. Ein Wert ist keine Einsparung, keine Rendite und kein Anteil der Beschäftigten, der ersetzt werden kann.
- Was Beschäftigte denken oder tun. Niemand wird befragt oder beobachtet. Für Einstellungen, Vertrauen oder psychologische Sicherheit nutzen Sie die Diagnoseinstrumente, die dafür gebaut sind.
Wie es geprüft wurde
Es hat eine Prüfung durch Fachleute durchlaufen, die im Projektbericht veröffentlicht ist. Die Autoren nennen es einen Prototyp, der weitere Tests braucht.
- Prüfung von 50 Rollen durch Fachleute. In einem Workshop lasen Menschen aus Unternehmen, der öffentlichen Arbeitsverwaltung und der Bildung die Rollenberichte und sagten, ob jeder Teil zu ihrer Erfahrung passte. Antworten “yes” oder “rather yes” [„ja“ oder „eher ja“]:
| Was geprüft wurde | Positive Antworten |
|---|---|
| Die Gesamtdiagnose | 24 von 28 |
| Die Aufteilung zwischen Automatisierung und Unterstützung des Menschen | 23 von 23 |
| Der Wert für die Abhängigkeit vom Menschen | 19 von 24 |
| Die Lücken zwischen dem, was möglich ist, und dem, was sich einsetzen lässt | 19 von 29 |
- Was die Fachleute korrigierten. Aufgaben, die der falschen Rolle zugeordnet waren, Lücken beim Einsatz, die Datenschutz und Sicherheit zu gering gewichteten, und das Gewicht einiger menschlicher Aufgaben. Der Bericht sagt, die Richtung der Ergebnisse sei belastbar, die genauen Zahlen für einzelne Aufgaben seien weniger sicher.
- Eine dokumentierte Methode. Die Schritte, die Skalen und die Formeln sind aufgeschrieben, und jeder Wert lässt sich auf das Material zurückführen, auf dem er beruht.
- Werte von einem KI-Modell. In den aktuellen Durchläufen erzeugt ein KI-Modell die Hauptwerte, nach festen Anweisungen und anhand der Dokumente, die jeder Aufgabe zugeordnet sind. Es werden ein Modell und eine Konfiguration verwendet.
- Ein Wert für die Abhängigkeit vom Menschen aus zwölf Fragen. Die Dokumentation der Methode nennt das einen praktischen Weg, die Idee in Fragen zu übersetzen, keine vollständig geprüfte Skala.
- Keine Daten zu Ergebnissen. Die Werte wurden nicht mit dem verglichen, was in echten Unternehmen geschah, die KI eingeführt haben.
Lizenz und Zugang
Die Seite des Anbieters nennt weder Lizenz noch Preis. Die Stiftung Human for Future verkauft die Analyse als Dienstleistung, und ihre Unterlagen sind auf Polnisch. Wenn Sie die Skalen oder die Methode in Ihrer eigenen Arbeit weiterverwenden wollen, fragen Sie den Anbieter.
Alternativen
Andere Diagnoseinstrumente mit ähnlicher Aufgabe, und wann Sie welches vorziehen sollten.
- In welchen Rollen könnte generative KI Aufgaben übernehmen, und in welchen könnte sie unterstützen? ILO index of occupational exposure to generative AI Nehmen Sie es, wenn ein kostenloser, öffentlicher Wert für typische Berufe reicht, um zu entscheiden, wo Sie genauer hinsehen. Niemand wird befragt · Sie ordnen Ihre Berufsbezeichnungen einer Standardliste von Berufen zu Frei nutzbar und anpassbar
- Welche unserer Rollen könnte KI am stärksten berühren? AI Occupational Exposure measure (AIOE) Nehmen Sie es, wenn Sie ein fachlich begutachtetes Maß wollen und mit US-amerikanischen Berufscodes arbeiten können. Niemand wird befragt · Sie ordnen Ihre Berufsbezeichnungen US-amerikanischen Berufscodes zu Frei nutzbar, vor Änderungen fragen
- Was macht dieses Technikprojekt schwierig? NASSS-CAT: complexity assessment tools for technology projects Nehmen Sie es, wenn die Frage lautet, warum ein Technikprojekt schwierig ist, und Sie eine geprüfte Checkliste und einen Interviewleitfaden wollen. Das Projektteam und Beschäftigte in Interviews · Zwei Checklisten, ein Formular mit 35 Fragen und ein Interviewleitfaden Frei nutzbar, vor Änderungen fragen
So sieht es angewandt aus
Praktiken, die es nutzen
Die Einzelheiten
- Prüfung
- Fachleute aus Unternehmen, der öffentlichen Arbeitsverwaltung und der Bildung prüften in einem Workshop die Rollenberichte zu 50 Rollen. Die meisten Antworten bestätigten das Bild: 24 von 28 zur Gesamtdiagnose, 23 von 23 zur Aufteilung zwischen Automatisierung und Unterstützung des Menschen. Noch keine Studie hat die Werte mit tatsächlichen Ergebnissen verglichen.
- Betrachtet
- Beruf und seine Aufgaben
- Wie die Antworten erhoben werden
- Ein KI-Modell bewertet jede Aufgabe anhand von Dokumenten über die Rolle und das Unternehmen, nach festen Anweisungen. Menschen müssen die Werte prüfen.
- Länge
- Keine Umfrage unter Beschäftigten. Die Analyse geht von einer Beschreibung des Unternehmens und seiner Rollen aus. Danach brauchen die prozessverantwortlichen Personen Zeit, um die Ergebnisse zu prüfen.
- Kosten
- Kostenpflichtiger Dienst. Der Preis ist nicht veröffentlicht.
- Lizenz
- Nicht angegebenDer Anbieter nennt keine Lizenz. Die Analyse wird als Dienstleistung angeboten. Fragen Sie den Anbieter, was Sie weiterverwenden dürfen.
- Sprachen
- Polnisch. Es gibt keine englischen Unterlagen.
- Von
- Research team at Rzeszów University of Technology and the Human for Future foundation
- Anbieter
- Human for Future foundation: TPAH Die Seite des Anbieters ist auf Polnisch.
Quellen
- Rzeszów University of Technology and Human for Future foundation (2026). Research report, part I: the state of AI and robotics, with the task analysis of 50 roles and its expert review (in Polish). aits.kia.prz.edu.pl
- Human for Future foundation. TPAH: description of the method (in Polish). human4future.org
Verwandte Studien auf dieser Website
- Welche Aufgaben können Maschinen lernen? 18.156 Aufgaben bewertet Brynjolfsson, Mitchell and Rock (2018). What Can Machines Learn and What Does It Mean for Occupations and the Economy?. AEA Papers and Proceedings, 108, 43–47.
- Exposition ist nicht Nutzung: was KI tun könnte und wofür sie genutzt wird Sedai (2026). Exposure Is Not Adoption: Measuring Generative AI and Labor Demand. SSRN working paper.
- Wann Mensch plus KI besser ist als beide allein: 106 Experimente Vaccaro, Almaatouq and Malone (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8(12), 2293–2303.